Python — обработка XML

Предыдущая страницаСледующая страница

XML – это переносимый язык с открытым исходным кодом, который позволяет программистам разрабатывать приложения, которые могут быть прочитаны другими приложениями, независимо от операционной системы и/или языка разработки.

Что такое XML?

Расширяемый язык разметки (XML) — это язык разметки, очень похожий на HTML или SGML. Это рекомендовано консорциумом World Wide Web и доступно как открытый стандарт.

XML чрезвычайно удобен для отслеживания небольших и средних объемов данных без использования магистрали на основе SQL.

Архитектуры XML-парсера и API

Стандартная библиотека Python предоставляет минимальный, но полезный набор интерфейсов для работы с XML.

Двумя наиболее простыми и широко используемыми API для XML-данных являются интерфейсы SAX и DOM.

Простой API для XML (SAX) − Здесь вы регистрируете обратные вызовы для интересующих вас событий, а затем позволяете синтаксическому анализатору обрабатывать документ. Это полезно, когда ваши документы большие или у вас есть ограничения по памяти, он анализирует файл, когда читает его с диска, и весь файл никогда не сохраняется в памяти.
API объектной модели документа (DOM) − Это рекомендация Консорциума World Wide Web, согласно которой весь файл считывается в память и сохраняется в иерархической (древовидной) форме для представления всех функций XML-документа.

Очевидно, что SAX не может обрабатывать информацию так же быстро, как DOM, при работе с большими файлами. С другой стороны, исключительное использование DOM может убить ваши ресурсы, особенно при работе с большим количеством небольших файлов.

SAX доступен только для чтения, а DOM позволяет вносить изменения в файл XML. Поскольку эти два разных API буквально дополняют друг друга, нет никаких причин, по которым вы не можете использовать их оба в больших проектах.

Для всех наших примеров XML-кода давайте использовать простой XML-файл movies.xml. в качестве входных данных —

<collection shelf="New Arrivals">
<movie title="Enemy Behind">
   <type>War, Thriller</type>
   <format>DVD</format>
   <year>2003</year>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Talk about a US-Japan war</description>
</movie>
<movie title="Transformers">
   <type>Anime, Science Fiction</type>
   <format>DVD</format>
   <year>1989</year>
   <rating>R</rating>
   <stars>8</stars>
   <description>A schientific fiction</description>
</movie>
   <movie title="Trigun">
   <type>Anime, Action</type>
   <format>DVD</format>
   <episodes>4</episodes>
   <rating>PG</rating>
   <stars>10</stars>
   <description>Vash the Stampede!</description>
</movie>
<movie title="Ishtar">
   <type>Comedy</type>
   <format>VHS</format>
   <rating>PG</rating>
   <stars>2</stars>
   <description>Viewable boredom</description>
</movie>
</collection>

Синтаксический анализ XML с помощью SAX API

SAX — это стандартный интерфейс для анализа XML, управляемого событиями. Анализ XML с помощью SAX обычно требует создания собственного ContentHandler путем создания подкласса xml.sax.ContentHandler.

Ваш обработчик контента обрабатывает определенные теги и атрибуты вашей разновидности XML. Объект ContentHandler предоставляет методы для обработки различных событий синтаксического анализа. Принадлежащий ему синтаксический анализатор вызывает методы ContentHandler при анализе XML-файла.

Методы startDocument и конечный документ вызываются в начале и в конце файла XML. Метод символы(текст) передается символьные данные файла XML через текст параметра.

ContentHandler вызывается в начале и в конце каждого элемента. Если синтаксический анализатор не находится в режиме пространства имен, методы startElement(тег, атрибуты) и endElement(тег) называются; в противном случае соответствующие методы startElementNS и endElementNS называются. Здесь тег — это тег элемента, а атрибуты — объект атрибутов.

Вот другие важные методы, которые нужно понять, прежде чем продолжить —

make_parser Метод

Следующий метод создает новый объект парсера и возвращает его. Созданный объект парсера будет иметь первый тип парсера, который система найдет.

xml.sax.make_parser( [parser_list] )

Вот подробная информация о параметрах —

список_парсеров − Необязательный аргумент, состоящий из списка используемых синтаксических анализаторов, которые должны реализовывать метод make_parser.

анализ Метод

Следующий метод создает анализатор SAX и использует его для анализа документа.

xml.sax.parse( xmlfile, contenthandler[, errorhandler])

Вот подробная информация о параметрах —

xml-файл − Это имя файла XML для чтения.
обработчик содержимого − Это должен быть объект ContentHandler.
обработчик ошибок − Если указано, обработчик ошибок должен быть объектом SAX ErrorHandler.

Строка parseString Метод

Существует еще один способ создания анализатора SAX и анализа указанной строки XML. .

xml.sax.parseString(xmlstring, contenthandler[, errorhandler])

Вот подробная информация о параметрах —

xmlstring − Это имя строки XML для чтения.
обработчик содержимого − Это должен быть объект ContentHandler.
обработчик ошибок − Если указано, обработчик ошибок должен быть объектом SAX ErrorHandler.

Пример

#!/usr/bin/python

import xml.sax

class MovieHandler( xml.sax.ContentHandler ):
   def __init__(self):
      self.CurrentData = ""
      self.type = ""
      self.format = ""
      self.year = ""
      self.rating = ""
      self.stars = ""
      self.description = ""

   # Call when an element starts
   def startElement(self, tag, attributes):
      self.CurrentData = tag
      if tag == "movie":
         print "*****Movie*****"
         title = attributes["title"]
         print "Title:", title

   # Call when an elements ends
   def endElement(self, tag):
      if self.CurrentData == "type":
         print "Type:", self.type
      elif self.CurrentData == "format":
         print "Format:", self.format
      elif self.CurrentData == "year":
         print "Year:", self.year
      elif self.CurrentData == "rating":
         print "Rating:", self.rating
      elif self.CurrentData == "stars":
         print "Stars:", self.stars
      elif self.CurrentData == "description":
         print "Description:", self.description
      self.CurrentData = ""

   # Call when a character is read
   def characters(self, content):
      if self.CurrentData == "type":
         self.type = content
      elif self.CurrentData == "format":
         self.format = content
      elif self.CurrentData == "year":
         self.year = content
      elif self.CurrentData == "rating":
         self.rating = content
      elif self.CurrentData == "stars":
         self.stars = content
      elif self.CurrentData == "description":
         self.description = content
  
if ( __name__ == "__main__"):
   
   # create an XMLReader
   parser = xml.sax.make_parser()
   # turn off namepsaces
   parser.setFeature(xml.sax.handler.feature_namespaces, 0)

   # override the default ContextHandler
   Handler = MovieHandler()
   parser.setContentHandler( Handler )
   
   parser.parse("movies.xml")

Это даст следующий результат —

*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Year: 2003
Rating: PG
Stars: 10
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Year: 1989
Rating: R
Stars: 8
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Stars: 10
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Stars: 2
Description: Viewable boredom

Полную информацию о документации SAX API см. в стандартных API Python SAX.

Синтаксический анализ XML с помощью DOM API

Объектная модель документа («DOM») — это межъязыковой API консорциума World Wide Web (W3C) для доступа и изменения XML-документов.

DOM чрезвычайно полезен для приложений с произвольным доступом. SAX позволяет просматривать только один бит документа за раз. Если вы просматриваете один элемент SAX, у вас нет доступа к другому.

Вот самый простой способ быстро загрузить XML-документ и создать объект minidom с помощью модуля xml.dom. Объект minidom предоставляет простой метод синтаксического анализатора, который быстро создает дерево DOM из файла XML.

Образец фразы вызывает функцию parse( file [,parser] ) объекта minidom для синтаксического анализа файла XML, обозначенного файлом, в объект дерева DOM.

#!/usr/bin/python

from xml.dom.minidom import parse
import xml.dom.minidom

# Open XML document using minidom parser
DOMTree = xml.dom.minidom.parse("movies.xml")
collection = DOMTree.documentElement
if collection.hasAttribute("shelf"):
   print "Root element : %s" % collection.getAttribute("shelf")

# Get all the movies in the collection
movies = collection.getElementsByTagName("movie")

# Print detail of each movie.
for movie in movies:
   print "*****Movie*****"
   if movie.hasAttribute("title"):
      print "Title: %s" % movie.getAttribute("title")

   type = movie.getElementsByTagName('type')[0]
   print "Type: %s" % type.childNodes[0].data
   format = movie.getElementsByTagName('format')[0]
   print "Format: %s" % format.childNodes[0].data
   rating = movie.getElementsByTagName('rating')[0]
   print "Rating: %s" % rating.childNodes[0].data
   description = movie.getElementsByTagName('description')[0]
   print "Description: %s" % description.childNodes[0].data

Это даст следующий результат —

Root element : New Arrivals
*****Movie*****
Title: Enemy Behind
Type: War, Thriller
Format: DVD
Rating: PG
Description: Talk about a US-Japan war
*****Movie*****
Title: Transformers
Type: Anime, Science Fiction
Format: DVD
Rating: R
Description: A schientific fiction
*****Movie*****
Title: Trigun
Type: Anime, Action
Format: DVD
Rating: PG
Description: Vash the Stampede!
*****Movie*****
Title: Ishtar
Type: Comedy
Format: VHS
Rating: PG
Description: Viewable boredom

Полную информацию о документации DOM API см. в стандартных API Python DOM.

Python — многопоточное программирование Python — программирование с графическим интерфейсом (Tkinter)

Python